虚饰还是真金？通过大语言模型从可持续发展报告中提取结构化洞察
计算与语言
2024-01-17 v3 计算工程、金融与科学
计算机与社会
摘要
过去十年间，鉴于投资者对环境、社会与治理（ESG）议题的日益关注，若干监管机构已开始要求上市公司披露非财务信息。关于可持续发展实践的公开信息常以多样、非结构化及多模态文档形式披露，这给高效收集并将数据对齐至统一框架以推导企业社会责任（CSR）相关洞察带来了挑战。因此，使用信息抽取（IE）方法向利益相关者提供有洞察且可操作的数据成为直观选择。本研究中，我们采用大语言模型（LLM）、上下文学习（In-Context Learning）与检索增强生成（RAG）范式，从企业可持续发展报告中抽取与 ESG 方面相关的结构化洞察。随后我们利用基于图的表示对抽取洞察开展统计分析。分析揭示，ESG 标准涵盖超过 500 的广泛主题，常超出既有分类所考虑范围，且企业通过各类举措予以回应。此外，同地区或同行业公司间浮现出披露相似性，验证了 ESG 文献中的既有假设。最后，通过将额外公司属性纳入分析，我们探究了哪些因素对企业 ESG 评级影响最大，表明 ESG 披露对其他财务或公司数据而言对所得评级影响更甚。
引用
@article{arxiv.2310.05628,
title = {Glitter or Gold? Deriving Structured Insights from Sustainability Reports via Large Language Models},
author = {Marco Bronzini and Carlo Nicolini and Bruno Lepri and Andrea Passerini and Jacopo Staiano},
journal= {arXiv preprint arXiv:2310.05628},
year = {2024}
}